Estatistica2015 Cap01 Alunos PDF

1.
Estatística Descritiva
TATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTA
ESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAES
TÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICAESTATÍSTICA
1.1. Dados Qualitativos

1.1.1. Representação tabular/gráfica dos dados
DGI A descrição das amostras faz-se com recurso a tabelas de frequência, a diagramas
2015
de barras e a diagramas circulares.
Cálculo de Frequências
TIC5
Fk frequência absoluta da categoria k

K
X
Fk0 = Fk frequência absoluta acumulada
k=1
Fk
fk = frequência relativa da categoria k
n
K
X Fk0
fk0 = fk = frequência relativa acumulada
n
k=1
mescudeiro Dados Qualitativos: Representação Tabular/Gráfica dos Dados. 10

1. Estatística Descritiva
Exemplo
Numa amostra constituída por 50 professores de uma instituição de Ensino Superior

constatou-se que 15 tinham como habilitação o grau de Licenciado, 20 o grau de Mestre,
DGI
2015
10 o grau de Doutor e 5 encontravam-se em trabalhos de Pós-Doutoramento.
‣ A variável grau académico é uma variável qualitativa e pode ser representada numa
escala ordinal.
TIC5
i) Tabela de frequências
Grau académico Fk Fk0 fk fk0
Licenciatura 15 15 0.3 0.3

Mestrado 20 35 0.4 0.7
Doutoramento 10 45 0.2 0.9
Pós-Doutoramento 5 50 0.1 1.0

10%
5% 5% 5%
0 1 2 3 4 5 6 x
Modas
ii) Diagramas de barras
Fk
DGI
2015 30
20
15
12.5 10
5
TIC5
Licenciatura Mestrado Doutoramento Pós-Doutoramento
F’k
50
50 45
35
25
15
Licenciatura Mestrado Doutoramento Pós-Doutoramento

DGI
mescudeiro
2015
TIC5
iii) Diagrama circular
Doutoramento
Dados Qualitativos: Representação Tabular/Gráfica dos Dados.

20 %
Pós-Doutoramento
10 %
40 %
30 %
Mestrado
Licenciatura
13
1.2. Dados Quantitativos

1.2.1. Representação tabular/gráfica dos dados
Construção de Histogramas
DGI
2015 Denomina-se de histograma a representação gráfica dos dados em que se marcam as
classes no eixo horizontal, as frequências no eixo vertical e se usam barras de área
proporcional à frequência da classe correspondente.
‣ O número de intervalos ou classes considerado não deve ser demasiado

TIC5
pequeno para não esconder a variabilidade, nem demasiado grande, para se
poder evidenciar a regularidade. 4.5 - 5.0
7.0 - 7.5
6-8
4.0 - 4.5
5.0 - 5.5
5.5 - 6.0
6.0 - 6.5
6.5 - 7.0
7.5 - 8.0
4-6
4-5
5-6
6-7
7-8
p
Regra prática - nº classes ⇡ n (classes de igual amplitude)
mescudeiro Dados Quantitativos: Representação Tabular/Gráfica dos Dados. 14
Exemplo
Classe Fi fi
Considere as classificações obtidas por 49
[ 0, 1 [ 0 0
alunos num exame de Estatística: [ 1, 2 [ 0 0
[ 2, 3 [ 0 0
9.2 5.2 10.8 10.1 [ 3, 4 [ 0 0
DGI
2015
8.3 13.2 9.1 13.5 [ 4, 5 [ | 1 0.02
9.4 12.5 8.4 11.1 [ 5, 6 [ || 2 0.041
8.5 9 11.3 11.9 [ 6, 7 [ ||||| 5 0.102
6.2 8.1 9.5 13.3 [ 7, 8 [ |||| 4 0.082
14 5.7 7.7 6.8 [ 8, 9 [ ||||||| 7 0.143

TIC5
13.8 6.7 8.3 12.9 [ 9, 10 [ |||||||||| 10 0.204

[ 10, 11 [ |||| 4 0.082
9.2 7.4 9.4 6.7
[ 11, 12 [ ||||| 5 0.102
9.9 7.8 4.3 10
[ 12, 13 [ |||| 4 0.082
9.8 12.3 9.8 8.5
máximo [ 13, 14 [ ||||| 5 0.102
10.3 8.1 6.5
mínimo [ 14, 15 [ | 1 0.02
15 7.1 11.7 [ 15, 16 [ | 1 0.02
12.9 13.6 11.2 [ 16, 17 [ 0 0
[ 17, 18 [ 0 0
[ 18, 19 [ 0 0
Construa a tabela de frequências, o histograma
[ 19, 20 ] 0 0
X
e o respectivo pológono de frequências. 49 1

Definição das classes do histograma
min{x1 , x2 , . . . , x49 } = 4.3

A = 15 4.3 = 10.7
DGI max{x1 , x2 , . . . , x49 } = 15.0
2015
Utilização de números redondos

p p
o
n classes ⇡ n= 49 = 7 amplitude das classes = 2
! 6 classes
Ak = 10.7/7 = 1.529 valor mı́nimo = 4
TIC5
Classe Fk Fk0 fk fk0

[ 4, 6 [ ||| 3 3 0.061 0.061
[ 6, 8 [ ||||||||| 9 12 0.184 0.245
[ 8, 10 [ ||||||||||||||| 17 29 0.347 0.592
||
[ 10, 12 [ ||||||||| 9 38 0.184 0.776
[ 12, 14 [ ||||||||| 9 47 0.184 0.959
[ 14, 16 ] || 2 49 0.041 1
X
49 1

DGI
mescudeiro
2015
TIC5
Frequência Relativa (f)
0.1
0.2
0.3
0.4
0
2
áreas
iguais
classe adicional
4
3
6
9
Dados Quantitativos: Representação Tabular/Gráfica dos Dados.

17
10
Histograma e Polígono de Frequências
12
Classificação (x)
9
14
2
Polígono de
16
Frequências
18
20
classe adicional
4
8
12
16
20
Frequência Absoluta (F)

17
1.2.2. Estatísticas de Localização
1.2.2.1 Média Amostral (x̄)
DGI ‣ A média toma um valor que é central em relação aos dados que constituem a
2015
amostra.
n
X
(xi x) = 0
i=1
TIC5
‣ A média minimiza a soma dos erros quadráticos dos dados.

n
X 2
SEQ = (xi c)
i=1
mescudeiro Dados Quantitativos: Estatísticas de Localização. 18

Expressões de Cálculo da Média Amostral
n
DGI 1X
2015 x= xi dados não agrupados
n i=1
K K
1X X
x= Fk ⇥ x k ou x = fk ⇥ xk dados discretos agrupados
n
k=1 k=1
TIC5
K K
1X X
x⇡ Fk ⇥ Mk ou x ⇡ f k ⇥ Mk dados contínuos agrupados
n
k=1 k=1

Exemplo
Calcule a classificação média obtida pelos 49 alunos no exame de Estatística.

DGI
2015
i) Dados não agrupados
n
1X 1
x= xi = ⇥ 476 = 9.7143
n i=1 49
TIC5
ii) Dados agrupados
K
1X 1
x⇡ Fk ⇥ M k = (3 ⇥ 5 + 9 ⇥ 7 + 17 ⇥ 9 + 9 ⇥ 11 + 9 ⇥ 13 + 2 ⇥ 15) =
n 49
k=1
= 9.7347

2.2.2.2. Moda (Mod)
Valor mais comum de um conjunto de observações.

DGI
2015
‣ Pode não existir (conjunto amodal) e se existir pode não ser única.
i) Dados Discretos
fi
TIC5
Fi
20 25% 25% 25%
11
10%
7
5 5% 5% 5%
3
0 1 2 3 4 5 6 x 0 1 2 3 4 5 6 x
Moda Modas
(Distribuição unimodal) (Distribuição multimodal)

ii) Dados Contínuos
‣ Identificação da classe (ou classes) a que corresponde a maior frequência - Classe

DGI
2015
modal.
d1
M oda = LI + ⇥
d1 + d2
TIC5
Fi Fi
d1 d2
Fi-1 d2 d1 Fi+1
Fi+1 Fi-1
LI Moda x LI Moda x
∆ ∆
(aproxima a moda à classe adjacente de maior frequência)

1.2.2.3. Mediana (Med)
A ideia é “partir ao meio” o conjunto dos valores observados.

DGI
2015
‣ Inicia-se o cálculo com a ordenação dos dados por ordem crescente ou decrescente
formando o vector: (x1:n , x2:n , . . . , xn:n )
Dados Discretos
TIC5
i) Dados não agrupados
‣ Se n for ímpar, a mediana toma o valor do dado que, nesse vector,

ocupa a posição central:
M ed = x(n+1)/2
Exemplo
Calcule a mediana para o seguinte conjunto de valores: {6, 5, 8, 8, 4, 3, 10}

‣ Se n for par, a mediana toma o valor médio dos dois termos cuja localização
no vector se aproxima mais da posição central:
DGI
2015 xn/2 + xn/2+1
M ed =
2
TIC5
Exemplo
Calcule a mediana do seguinte conjunto de valores: {1, 3, 3, 5, 7, 8}

DGI
mescudeiro
2015
TIC5
1
f'(x)
1/7
2/7
3/7
4/7
5/7
6/7
1/6
1/3
1/2
2/3
0
1
Dados agrupados
Dados Quantitativos: Estatísticas de Localização.

3
3
{3, 4, 5, 6, 8, 8, 10}
4
4
Med
5
5
6
Med
7
8
8
10
x
x
25
DGI
mescudeiro
2015
TIC5
Frequênci
1
f'(x)
1/6
1/3
1/2
2/3
5/6
0.1
0.2
0
0
1
2
Dados agrupados
áreas
iguais
classe adicional
4
{1, 3, 3, 5, 7, 8}
3
Dados Quantitativos: Estatísticas de Localização.

3
6
9
4
Med
8
5
10
9
12
Classificação (x)
9
7
14
2
8
16
18
20
x
classe adicional
4
8
Frequênci
26
Dados Contínuos
‣ Para dados contínuos agrupados, começa por fazer-se a identificação da classe mediana.
DGI
2015
‣ A classe mediana é aquela onde as frequências acumuladas passam de um valor inferior
para um valor superior a metade dos dados (n/2 ou 0.5)
n/2 Fi0 1
M ed = LI + ⇥
TIC5
Fi Sendo:
(frequências absolutas) LI - limite inferior da classe mediana

Fi0 e fi0 - frequências absoluta e relativa acumuladas da
classe mediana
0.5 fi0 1
M ed = LI + ⇥ Fi0 1 e fi0 1 - frequências absoluta e relativa acumuladas da
fi classe que precede a classe mediana
Fi e fi
- frequências absoluta e relativa da classe mediana
(frequências relativas)
- amplitude das classes

n/2 n/2 12
3
2
3
0 2 4 6 8 10 12 14 16 18 20 x 0 2 4 6 8 10 12 14 16 18 20 x
Med Med
F(x) F(x)
20 20
17 17
DGI
2015
10 9 9 9 10 9 9 9
n/2 n/2
3 3
2 2
TIC5
0 2 4 6 8 10 12 14 16 18 20 x 0 2 4 6 8 10 12 14 16 18 20 x
Med
Classificação (x) F’(x)
Cálculo do valor da mediana da classificação 49.0 47

49
F(x)
obtida pelos 49 alunos no exame de 20 38
Estatística 17
29
24.5
n/2 Fi0 1
M ed = LI + 0 ⇥ =
Fi Fi0 1 12
10 9 9 9
3
49/2 12
=8+ ⇥ 2 = 9.471 0 2 4 6 8 10 12 14 16 18 20 x
29 12 Med
3
mescudeiro Dados Quantitativos: Estatísticas de Localização. 2 28
1.2.2.4. Quantis
Quantis
DGI
2015
Percentis Decis Quartis

(pk ) (dk ) (qk )
⇥ ⇥ ⇥
k k k
TIC5
100 10 4
k = 1, 2, ..., 99 k = 1, 2, ..., 9 k = 1, 2, 3
‣ M ed = p50 = d5 = q2
‣ p10 = d1 , p20 = d2 , . . . , p90 = d9
‣ p25 = q1 , p50 = q2 , . . . , p75 = q3

1.2.3. Estatísticas de dispersão
1.2.3.1. Amplitude do Intervalo de Variação (estatística básica de dispersão)
DGI A = max {x1 , x2 , . . . , xn } min {x1 , x2 , . . . , xn }

2015
2
⇥
1.2.3.2. Variância amostral s
n
X
TIC5
2 1 2
s = (xi x) (dados não agrupados)
n 1 i=1
K
X
2 n 2
s = fk ⇥ (xk x) (dados discretos agrupados)
n 1
k=1
K
X
2 n 2 (dados contínuos agrupados)
s = fk ⇥ (Mk x)
n 1
k=1
mescudeiro Dados Quantitativos: Estatísticas de Dispersão. 30

1.4.3.3 Desvio Padrão (s)
p
s= s2
DGI
2015
1.4.4. Outras Estatísticas
1.4.4.1 Momentos
Momentos na Origem de ordem 1, 2, ...

TIC5
n
1X i
m0i = x dados não agrupados
n j=1 j
K
X
m0i = fk ⇥ xik dados discretos agrupados
k=1
K
X
m0i ⇡ fk ⇥ Mki dados contínuos agrupados
k=1
mescudeiro Dados Quantitativos: Momentos na Origem. 31

DGI
mescudeiro
2015
TIC5
mi =
mi =
mi ⇡
K
K
X
k=1
k=1
n
n j=1
1X
(xj
Dados Quantitativos: Momentos Centrados.

fk ⇥ (xk
fk ⇥ (Mk
x)
i
x̄)
i
x̄)
i
Momentos Centrados de ordem 1, 2, ...
dados não agrupados
dados discretos agrupados
dados contínuos agrupados

32
DGI
mescudeiro
2015
TIC5
k4 =
k3 =
(n
k2 = s 2 =
n
n2
n
n ⇥ (n2
(n 1)(n
1)(n
1
Dados Quantitativos: Momentos Centrados.

2)
⇥ m2
2n + 3)
⇥ m3
2)(n 3)
⇥ m4
Estimadores não enviesados dos momentos centrados
3n ⇥ (2n 3)
(n 1)(n 2)(n 3)
4ª ordem ⇥ m22
3ª ordem
2ª ordem
33
1.4.4.2. Coeficiente de Assimetria
m3
CA = 3/2
enviesado
DGI m2
2015
k3
CA0 = 3/2
enviesado (menos que o anterior)
k2
p
n ⇥ (n 1)
CA00 = ⇥ CA não enviesado para populações normais
TIC5
n 2
⌅
⌅ Distribuição simétrica CA = 0
⌅
⌅
⇤
⇤ assimétrica à esquerda CA < 0
⌅
⌅
⌅
⌅ Distribuição assimétrica
⇥ ⇥
assimétrica à direita CA > 0
mescudeiro Dados Quantitativos: Coeficiente de Assimetria. 34

DGI
mescudeiro
2015
TIC5
Moda
Med
x
Dados Quantitativos: Coeficiente de Assimetria.

(distribuição assimétrica à direita)
Posição da Média, Moda e Mediana
x
Med
Moda
(distribuição simétrica)
x
Med
Moda
(distribuição assimétrica à esquerda)
35
1.4.4.3. Coeficiente de Achatamento ou de Kurtosis
m4
CK = 3 enviesado
m22
DGI
2015
k4
CK 0 = 3 enviesado (menos que o anterior)
k22
não enviesado para populações normais

TIC5
CK > 0 (mais esguia que a

normal)
CK = 0 (curva normal ou de
Gauss)
CK < 0 (mais achatada que a
normal)
mescudeiro Dados Quantitativos: Coeficiente de Kurtosis. 36

Exemplo
Calcule os valores dos coeficientes de assimetria e de achatamento relativos à classificação
DGI obtida pelos 49 alunos no exame de Estatística.

2015
‣ Considerando os dados não agrupados:
m2 = 6.52980
TIC5
m3 = 1.86658
m4 = 95.39174
CA = 0.11187
CK = 0.7628
mescudeiro Dados Quantitativos: Coeficiente de Assimetria e Coeficiente de Kurtosis. 37

DGI
mescudeiro
2015
TIC5
1.4.5.
1.4.5.1.
mínimo
primeiro quartil
mediana
terceiro quartil
máximo
17
Box & Whisker Plots
Dados Quantitativos: Representação Gráfica de Estatísticas.

média
Representação Gráfica de Estatísticas
38
terceiro quartil
média
mediana 1. Estatística Descritiva
primeiro quartil
Exemplo
mínimo
Construção do box-plot relativo à classificação obtida pelos 49 alunos no exame de estatística
DGI 17
2015
9 9 9
TIC5
3
2
2 4 6 8 10 12 14 16 18 20
Classificação (x)
4.3 15
8.1 9.4 11.7
Min Max
P25 P75
Med
mescudeiro Dados Quantitativos: Representação Gráfica de Estatísticas. 39

1.5. Caracterização de Amostras Bivariadas
Uma amostra bivariada é constituída por pares ordenados (x,y), sendo x e y, atributos
DGI de um mesmo objecto
2015
1.5.1. Dados Qualitativos
As formas mais usuais de caracterizar amostras bivariadas envolvem o recurso a

TIC5
tabelas de informação cruzada e a diagramas de barras sobrepostas.
mescudeiro 40
Tabela de Informação Cruzada Diagrama de Barras Sobrepostas
DGI
50
N º d e e ntre gas
2015
Qualidade das Entregas
Distribuidor 1 2 3 Total da Linha Qualidade 3
A 21 10 8 39
40 Qualidade 2
32.3% 15.4% 12.3% 60.0%
53.8% 25.6% 20.5% 100.0% Qualidade 1
58.3% 58.8% 66.7% -
B 12 4 2 18
30
TIC5
18.5% 6.2% 3.1% 27.7%

66.7% 22.2% 11.1% 100.0%
33.3% 23.5% 16.7% - 20
C 3 3 2 8
4.6% 4.6% 3.1% 12.3%
37.5% 37.5% 25.0% 100.0% 10
8.3% 17.6% 16.7% -
36 17 12 65
Total da Coluna 55.4% 26.2% 18.5% 100.0% 0
100.0% 100.0% 100.0% - A B C
Distribuidor
mescudeiro 41
1.5.2. Dados Quantitativos
‣ A melhor forma de caracterizar a relação entre as duas variáveis é a sua

DGI representação conjunta num sistema de eixos ortogonais - diagrama de dispersão
2015
‣ A construção do diagrama de dispersão apresenta uma dupla função: Ajuda a

determinar se existe alguma relação entre as variáveis e, caso exista, permite identificar
a equação mais apropriada para a descrever.
TIC5
y
y
y
x x x
(relação linear) (relação não linear) (ausência de relação)
mescudeiro 42
1.5.2.1. Modelo de Regressão Linear
yi = f (✓1 , ✓2 , . . . , ✓k ) = f (a, b) = a + b · xi
DGI
2015
sendo: y - variável dependente, x - variável independente , a - ordenada na origem
Método dos Mínimos Quadrados
‣ Ajustamento de uma relação linear aos dados observados que minimiza o somatório do
TIC5
quadrado das distâncias entre os valores observados e o modelo ajustado.

(xn , yn )
y
dn
ȳ
d21 + d22 + . . . + d2n = mı́nimo
(x1 , y1 )
d1 d2
(x2 , y2 )
x
x̄
mescudeiro 43
N
X N
X
2 2
SEQ = SEQ (a, b) = ei = [yi (a + b · xi )]
DGI
2015 i=1 i=1
1
P
N
2
P
N
1
P
N P
N
!
" N xi · yi N xi · x i · yi
@SEQ (a, b) i=1 i=1 i=1 i=1
TIC5
" =0 ! a= ✓N ◆2
"
"
@a P
N P
1
" xi 2 N · xi
"
minimizar: # i=1 i=1
"
"
"
" P
N
1
P
N P
N
"
"$
x i · yi N xi · yi
@SEQ (a, b) b= i=1 i=1 i=1
=0 ! ✓N ◆2
@b P
N
1
P
xi 2 N · xi
i=1 i=1
mescudeiro 44
Coeficiente de Correlação Amostral (r)
‣ Medida do grau de relacionamento linear entre os dados de uma amostra bivariada.

DGI
2015
P
N
1
P
N P
N
Sxy i=1 i=1 i=1
r= = v"
Sx · Sy u ✓N ◆2 # " N ✓N ◆2 #
TIC5
u PN P P 2 P
t xi 2 1
xi · yi 1
yi
N N
i=1 i=1 i=1 i=1
N
1 X
sendo: Sxy = (xi x̄) · (yi ȳ)
N i=1
N N
1 X 2 1 X 2
S2x = (xi x̄) S2y = (yi ȳ)
N i=1 N i=1
mescudeiro 45
DGI
mescudeiro
2015
TIC5
y y
rr =
rr =
= 11
= −11
x
x
y
rr =
=0
Variação do Coeficiente de Correlação Amostral
y y
0>
00<< rr <<11
0 >r r>> −11

x
x
46
Coeficiente de Determinação (r2)
DGI
‣ Traduz a proporção da variação da variável dependente (Y) que é explicada pela variação da
2015
variável independente (X), através do modelo de regressão.
― Variação do Coeficiente de Determinação

TIC5
0  r2  1
mescudeiro 47
Exemplo
Os dados representados a seguir referem-se ao volume de vendas mensais, expresso em
unidades monetárias, de um artigo comercializado por uma empresa. Os valores representados

DGI
2015
referem-se aos últimos 12 meses.
mês 1 2 3 4 5 6 7 8 9 10 11 12
vol. vendas 3.7 4.1 5.9 6.6 6.4 7.2 8 8.8 9.4 9.3 9.7 9.9
TIC5
Com base nos dados disponíveis determine:

a) A média e a variância amostral do volume de vendas mensal.
b) A correlação amostral entre os meses e o volume de vendas e, ainda, a previsão do
volume de vendas para o próximo mês.
mescudeiro 48
DGI
mescudeiro
2015
TIC5
a)
b)
2
Resolução
x̄ =
s =
Vol. Vendas
Vol. Vendas
1
N
N
1
N
P
i=1
3.7
5.7
7.7
9.7
11.7
1
0
N
i=1
X
xi =
(xi
2
12
4
x̄) =
3.7+4.1+...+9.9
12
1
6
mês
1
Mes
⇣
= 7.4167
8
· (3.7
Diagrama de Dispersão
10
2
12
7.4167) + . . . + (9.9
7.4167)
2
⌘
= 4.5433
49
Parâmetros do modelo:
1
P
N P
N
1
P
N P
N
N xi 2 · yi N xi · x i · yi
i=1 i=1 i=1 i=1
a= ✓N ◆2 = 3.6803
P
N
1
P Modelo Ajustado
xi 2 N · xi
DGI i=1 i=1 11.7
2015
P
N P
N P
N
Vendas
1
x i · yi N xi · yi 9.7
Vol. Vendas
i=1 i=1 i=1
b= ✓N ◆2 = 0.5748
P
N
1
P 7.7
xi 2 N · xi
Vol.
i=1 i=1
5.7
TIC5
3.7
y = 0.5748 · x + 3.6803 0 2 4 6 8 10 12
Mes
mês
P
N
1
P
N P
N
i=1 i=1 i=1
r = v" = 0.9723 ! r2 = 0.9455
u ✓N ◆2 # " ✓N ◆2 #
u PN P P
N P
t xi 2 1
xi · yi 2 1
yi
N N
i=1 i=1 i=1 i=1
Previsão para o 13º mês (x = 13): y = 0.5748 ⇥ 13 + 3.6803 = 11.153

mescudeiro 50

Estatistica2015 Cap01 Alunos PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatistica2015 Cap01 Alunos PDF

Enviado por

Direitos autorais:

Formatos disponíveis

1.

1.1. Dados Qualitativos

de barras e a diagramas circulares.

Fk frequência absoluta da categoria k

mescudeiro Dados Qualitativos: Representação Tabular/Gráfica dos Dados. 10

Numa amostra constituída por 50 professores de uma instituição de Ensino Superior

Grau académico Fk Fk0 fk fk0

Licenciatura 15 15 0.3 0.3

Doutoramento 10 45 0.2 0.9

Pós-Doutoramento 5 50 0.1 1.0

mescudeiro Dados Qualitativos: Representação Tabular/Gráfica dos Dados. 11

ii) Diagramas de barras

Licenciatura Mestrado Doutoramento Pós-Doutoramento

Licenciatura Mestrado Doutoramento Pós-Doutoramento

mescudeiro Dados Qualitativos: Representação Tabular/Gráfica dos Dados. 12

iii) Diagrama circular

Dados Qualitativos: Representação Tabular/Gráfica dos Dados.

1.2. Dados Quantitativos

‣ O número de intervalos ou classes considerado não deve ser demasiado

pequeno para não esconder a variabilidade, nem demasiado grande, para se

poder evidenciar a regularidade. 4.5 - 5.0

14 5.7 7.7 6.8 [ 8, 9 [ ||||||| 7 0.143

13.8 6.7 8.3 12.9 [ 9, 10 [ |||||||||| 10 0.204

mescudeiro Dados Quantitativos: Representação Tabular/Gráfica dos Dados. 15

Definição das classes do histograma

min{x1 , x2 , . . . , x49 } = 4.3

Utilização de números redondos

Classe Fk Fk0 fk fk0

mescudeiro Dados Quantitativos: Representação Tabular/Gráfica dos Dados. 16

Frequência Relativa (f)

Dados Quantitativos: Representação Tabular/Gráfica dos Dados.

Frequência Absoluta (F)

1.2.2. Estatísticas de Localização

1.2.2.1 Média Amostral (x̄)

‣ A média minimiza a soma dos erros quadráticos dos dados.

mescudeiro Dados Quantitativos: Estatísticas de Localização. 18

Expressões de Cálculo da Média Amostral

mescudeiro Dados Quantitativos: Estatísticas de Localização. 19

Calcule a classificação média obtida pelos 49 alunos no exame de Estatística.

i) Dados não agrupados

ii) Dados agrupados

mescudeiro Dados Quantitativos: Estatísticas de Localização. 20

2.2.2.2. Moda (Mod)

Valor mais comum de um conjunto de observações.

(Distribuição unimodal) (Distribuição multimodal)

mescudeiro Dados Quantitativos: Estatísticas de Localização. 21

ii) Dados Contínuos

‣ Identificação da classe (ou classes) a que corresponde a maior frequência - Classe

(aproxima a moda à classe adjacente de maior frequência)

1.2.2.3. Mediana (Med)

A ideia é “partir ao meio” o conjunto dos valores observados.

i) Dados não agrupados

‣ Se n for ímpar, a mediana toma o valor do dado que, nesse vector,

Calcule a mediana para o seguinte conjunto de valores: {6, 5, 8, 8, 4, 3, 10}

mescudeiro Dados Quantitativos: Estatísticas de Localização. 23

Calcule a mediana do seguinte conjunto de valores: {1, 3, 3, 5, 7, 8}

mescudeiro Dados Quantitativos: Estatísticas de Localização. 24

Dados Quantitativos: Estatísticas de Localização.

Dados Quantitativos: Estatísticas de Localização.

(frequências absolutas) LI - limite inferior da classe mediana

mescudeiro Dados Quantitativos: Estatísticas de Localização. 27

Cálculo do valor da mediana da classificação 49.0 47

Percentis Decis Quartis